基于MPU—6050的人体姿态感知智能腰带

基于MPU—6050的人体姿态感知智能腰带

◆郁博文 杜明哲 李 刚

0 引言

可穿戴设备自2013年开始受到广泛关注，带动调研机构对市场

规模的预期一致向好。除可穿戴设备整体市场快速增长外，还将带动相关产业链的快速发展。如图1-2-1-1，可穿戴设备的兴起将带动整条产业链的发展，不仅有助于传统硬件产业的转型，同时还给可穿戴计算、传感器、材料技术、软件及应用服务等相关行业带来机遇。

1 方案描述

本产品设计分生物识别、数据处理传输以及交互设计三大模块。生物识别模块是硬件设备，采用STM微控制器通过MPU—6000（6050）3轴陀螺仪、3轴加速度运动处理芯片采集人体姿态和运动信息，然后利用无线蓝牙芯片将采集到的数据实时发送到移动手机端，系统通过6mm极窄锂电池提供长续航电源。数据处理模块使用Kalman滤波技术降低测量噪声，提高测量精度。设计了一个4 阶Butterworth 低通IIR 数字滤波器对信号进行滤波。滤波后的传感器信号采用SWAB(Sliding Window And Bottom-up)算法进行姿势起始端点和结束端点定位，以实现姿态的准确切分。交互设计模块通过在手机端开发安卓APP用于实时显示人体姿态（正常坐姿、不健康坐姿、站立、行走、奔跑、平躺、侧卧等），对每天的运动量进行统计分析，处理告知使用者现在的生理状态以及如何调整进一步为用户提供健康建议。

1.1 硬件设计

腰带硬件部分通过MPU6050采集六轴方向的数据，通过姿态解算器中的滤波算法进行数据整形，STM8将数据进行积分获得x、y、z方向的加速度、角速度、角加速度数据通过蓝牙串口将数据传出

，

能够在动态环境下准确输出模块的当前姿态，姿态测量精度0.01度，

稳定性极高，性能甚至优于某些专业的倾角仪。模块发送至上位机每帧数据分为3个数据包，分别为加速度包，角速度包和角度包，3个数据包顺序输出。波特率为115200时每隔10ms输出1帧数据，波特率为9600时每隔50ms输出一帧数据。为了实现低功耗，硬件部分设有开关和指示灯，用户可选择工作模式和低功耗模式。

1.2 信号预处理

通过活动窗口检测、平滑滤波与归一化

对传感器数据进行滤波去噪，以滤除干扰噪声。 1.1.1 手特征提取

由于手势加速度信号的非平稳性，信号重采样后需要作短时分帧处理。分帧时用滑动窗口将样本信号分割成若干数据段，每个数据

段为一帧，帧长32 个样本点，帧移为10。分帧后再提取每一帧

加速度信号的特征。姿态动作的加速度信号持续时间通常在1 s 左右，为实现实时交互，减小计算复杂度，本文选用均值作为每帧加速度信号的关键特征。均值即一帧加速度信号样本点幅度的平均值。

1.1.2 动作识别

隐马尔可夫模型广泛用于对时间序列数据建模。在姿态识别中，隐马尔可夫模型的每个状态表示一种可能的元姿态动作；状态转换表示从一种元姿态转换成另一种元姿态；相应的输出观测符号表示一种特定的姿态，一组输出符号代表一种姿态。利用隐马尔可夫模型进行手势识别的算法步骤如下：

(1)定义有意义的姿势。

(2)用隐马尔可夫模型对每种姿态建模。 由于姿态动作的时序性，采用从左至右的Bakis 模型对姿势动作建模。每种姿态动作用一个多维隐马尔可夫模型描述，也就是用具有N 个隐状态和k 维M 个独立的观察符号来描述每种姿势。

(3)模型训练数据预处理。

(4)基于EM(Expectation-Maximization)算法的姿态动作模型训练。

参考文献

[1]李杨．新一代智能终端：可穿戴设备[J]．高科技与产业化，2013，209（10）：82-85.

[2]李杨．可穿戴设备：基于用户特征的差异化应用有望成为突破口[J]．高科技与产业化，2014，6（217）：90-93.

[3]徐迎阳．可穿戴设备现状分析及应对策略[J]．现代电信科技，2014，（4）：73-76.

[4]赵子忠，徐琦．可穿戴计算设备的新发展[J]．中国传媒科技，2013，（6）：84-87.

作者简介：

郁博文，（1996—）男，汉族，籍贯江苏徐州，中南大学信息科学与工程学院本科在读，所学专业信息安全

（中南大学信息科学与工程学院 湖南 410000）

71